01 · Asset Price Data Infrastructure

자산가격 데이터 구축

자산 가격 연구에서 데이터 구축 자체를 중요한 연구 과정으로 다룹니다. 부동산 거래가격, 공간정보, 물리적 속성, 환경요인, 텍스트·이미지 정보 등 서로 다른 형태의 원천 자료를 수집·정제·결합하고, 실증 연구의 분석 및 모델링에 활용될 수 있는 현실적인 데이터 설계를 지향합니다.

데이터의 수집 범위, 변수 정의, 공간·시간 단위의 정합성, 결측치와 이상치 처리, 분석 가능한 형태로의 구조화 과정을 주요 관심 대상으로 합니다. 이를 통해 자산가격 연구에서 사용되는 데이터의 투명성, 재현성, 확장 가능성을 높이고, 후속 연구자가 동일한 문제를 검증하거나 새로운 질문으로 확장할 수 있는 기반을 마련하고자 합니다.

02 · Structured and Unstructured Factor Discovery

유의한 가격 요인의 식별

자산 가격에 반영되는 정형·비정형 정보의 역할을 실증적으로 분석합니다. 입지, 면적, 건축 특성, 환경 어메니티, 교육 변수처럼 수치 또는 범주형 변수로 나타나는 정형 데이터와, 뉴스 기사, 정책 담론, 거주민 댓글, 거리 이미지 등 고차원에 내재된 비정형 데이터를 효과적으로 계량화하고 자산 가격과의 연관성을 경제학적 관점에서 해석하는 것을 지향합니다.

계량모형, 인공지능, 공간·시계열 분석, 텍스트 분석 및 컴퓨터 비전 기술을 활용하여 어떤 정보가 가격 형성 과정에서 통계적으로 의미 있는 신호로 작동하는지 식별합니다. 또한 개별 요인의 평균적 효과뿐 아니라 지역, 시점, 시장 상황에 따라 그 영향이 어떻게 달라지는지를 분석하여 자산시장의 구조적 이질성과 정보 반영 과정을 이해하기 위한 학문적 기틀을 제시합니다.

03 · Explainable Valuation Modeling

설명 가능한 가치평가 모형

자산 가격 예측 모형의 정확도와 해석 가능성 간 trade-off를 해결하고 두 가지 축을 함께 고도화할 수 있는 방법론적 연구를 수행합니다. 헤도닉 가격모형, 계량·통계 모형, 머신러닝, 딥러닝, 거대언어모델 기반 모델링을 통해 Digital finance 시대에 부합하는 신뢰성 있는 금융 정보 시스템 구축을 지향합니다.

단순한 가격 추정에서 나아가, 인공지능 기반 가치평가 모형이 시장 참여자에게 미칠 수 있는 정보 접근성, 해석 가능성, 지속 가능성, 공정성의 문제를 해결하기 위한 모델 설계 방법을 함께 연구합니다. 또한 시·공간에 따라 달라질 수 있는 금융 자산의 특성을 딥러닝으로 정확하게 포착하여 지속 가능하고 범용적인 금융 모델링 설계 방법을 연구합니다.

04 · Financial System Analysis

금융 시스템 분석

금융시장과 부동산시장을 개별 가격의 집합이 아니라, 정보 흐름, 투자자 심리, 제도적 변화, 뉴스와 텍스트 정보, 시장 간 상호작용이 결합된 복잡한 시스템으로 이해합니다. 이러한 관점에서 금융계량경제학, 통계학, 물리 기반 분석 방법론을 활용하여 시장 내부의 구조와 변수 간 역학 관계를 이론적으로 분석할 수 있는 연구를 지향합니다.

시장 간 정보 흐름, 가격 변동성과 시장 반응, 금융 텍스트 문서의 단어 발생 메커니즘, 시장 참여자 감성과 자산 가격 간 관계 식별 등을 주요 연구 대상으로 삼습니다. 나아가 관측 가능한 데이터 뒤에 존재하는 금융 시스템의 내재적 패턴을 설명하고, 복잡한 시장 현상을 계량적으로 이해할 수 있는 분석 틀을 제시하고자 합니다.

01 · Asset Price Data Infrastructure

Asset Price Data Construction

This pillar treats data construction itself as a core component of asset price research. The lab integrates transaction prices, spatial information, physical attributes, environmental factors, text data, and image-based information into datasets that can be used for empirical analysis and predictive modeling.

Key issues include variable definition, data consistency, missing-value and outlier treatment, spatial and temporal alignment, and reproducible data-processing procedures. The goal is to provide transparent and extensible data infrastructure for subsequent empirical research.

02 · Structured and Unstructured Factor Discovery

Identification of Significant Pricing Factors

This pillar empirically examines the role of structured and unstructured information reflected in asset prices. Structured information includes location, floor area, building characteristics, environmental amenities, and educational variables. Unstructured information includes news, policy narratives, resident comments, and street-view images.

The lab uses econometric models, artificial intelligence, spatial and time-series analysis, text analysis, and computer vision techniques to identify statistically meaningful signals in the price formation process and to analyze how their effects vary across regions, periods, and market conditions.

03 · Explainable Valuation Modeling

Explainable Valuation Modeling

This pillar studies methodological approaches for improving both predictive accuracy and interpretability in asset price prediction models. The lab examines hedonic pricing models, econometric and statistical models, machine learning, deep learning, and large language model-based approaches.

Beyond reducing prediction errors, the lab analyzes which variables contribute to model predictions, how valuation mechanisms differ across regions and market conditions, and how AI-based valuation models relate to information accessibility, interpretability, sustainability, and fairness.

04 · Financial System Analysis

Financial System Analysis

This pillar understands financial and real estate markets not simply as collections of individual prices, but as complex systems shaped by information flows, investor sentiment, institutional changes, textual information, and interactions across markets.

The lab uses financial econometrics, statistics, and physics-based analytical methods to study inter-market information flows, volatility and market responses, word-generation mechanisms in financial text documents, and the relationship between market participants' sentiment and asset prices.

Project · 2025

Scotland-Korea Collaboration on Quantum Simulation in Asset Pricing based on the Quantum Harmonic Oscillator

Program

Quantum Technologies Alliance for Research Challenge

Period

January 2025 – June 2025

Status

Completed

Funding

Scottish Funding Council, £10,000 (seed funding)

Summary

본 프로젝트는 Glasgow Caledonian University 연구진과의 Scotland-Korea 공동연구로 수행되었다. 연구의 핵심 목표는 양자 조화 진동자(Quantum Harmonic Oscillator, QHO)를 기반으로 자산 수익률 분포를 묘사함에 있어 파라미터 추정의 효율성을 양자 컴퓨팅 알고리즘을 통해 최적화하는 것이다.

Research focus

• QHO 기반 자산 수익률 및 분포 모델링
• QHO 모형의 파라미터 최적화를 위한 QUBO 변환 및 QAOA 적용 가능성 검토
• 금융 데이터에 QHO 모형을 적합하기 위한 VQA 기반 하이브리드 양자-고전 프레임워크 설계
• Amplitude Estimation을 활용한 목적함수 및 누적분포 계산의 이론적 계산 이점 검토
• NISQ-era 양자 하드웨어에서의 noise, decoherence, qubit limitation 문제 분석

Outcome

본 프로젝트는 양자 금융모형의 실증적 적용 가능성을 검토하기 위한 초기 협력 기반을 구축했으며, 향후 IBM quantum computer 기반의 Hardware benchmarking, Noise-aware circuit design, Portfolio optimization, Derivative pricing, Risk management 등으로 확장 가능한 연구 방향을 제시하였다.

Project · 2025

Scotland-Korea Collaboration on Quantum Simulation in Asset Pricing based on the Quantum Harmonic Oscillator

Program

Quantum Technologies Alliance for Research Challenge

Period

January 2025 – June 2025

Status

Completed

Funding

Scottish Funding Council, £10,000 (seed funding)

Summary

This project was conducted as a Scotland-Korea collaborative research project with researchers at Glasgow Caledonian University. The central objective was to optimize the efficiency of parameter estimation using quantum computing algorithms when modeling asset return distributions based on the Quantum Harmonic Oscillator (QHO).

Research focus

• QHO-based modeling of asset returns and return distributions
• QUBO reformulation and QAOA-based optimization for QHO parameter estimation
• VQA-based hybrid quantum-classical framework for fitting QHO models to financial data
• Theoretical computational advantages of Amplitude Estimation for objective-function and cumulative-distribution calculations
• Practical constraints of NISQ-era quantum hardware, including noise, decoherence, and qubit limitations

Outcome

The project established an initial collaborative foundation for examining the empirical applicability of quantum financial models. It also suggested future research directions that can be extended to IBM quantum computer-based hardware benchmarking, noise-aware circuit design, portfolio optimization, derivative pricing, and risk management.